貝葉斯優(yōu)化算法的研究及其在圖像分割中的應(yīng)用.pdf

1、分布估計(jì)算法是將概率模型引入到優(yōu)化算法當(dāng)中而形成的一種新型的優(yōu)化算法，它通過統(tǒng)計(jì)學(xué)習(xí)的手段來構(gòu)建概率模型，并利用對模型的采樣來實(shí)現(xiàn)種群的進(jìn)化，其中貝葉斯優(yōu)化算法是分布估計(jì)算法中的典型代表，它定位準(zhǔn)確，且能有效地避免連鎖問題，但是統(tǒng)計(jì)學(xué)習(xí)的引入會給算法帶來新的時間和空間上的開銷，即貝葉斯優(yōu)化算法在構(gòu)建概率模型時，不但需要先驗(yàn)知識，而且計(jì)算量很大，計(jì)算時間較長，這也是限制貝葉斯優(yōu)化算法應(yīng)用的主要原因。
　　 貝葉斯優(yōu)化算法的核心是貝

2、葉斯網(wǎng)絡(luò)，其計(jì)算量也主要集中在貝葉斯網(wǎng)絡(luò)的構(gòu)建上，為了降低貝葉斯優(yōu)化算法的計(jì)算量，本文提出了一種基于免疫算法的貝葉斯優(yōu)化改進(jìn)算法，通過減少貝葉斯網(wǎng)絡(luò)的構(gòu)建次數(shù)來降低算法的計(jì)算量。免疫算法通過模擬人體的免疫機(jī)理，可以利用問題的先驗(yàn)知識和局部特征來引導(dǎo)整個尋優(yōu)過程，從而提高算法的收斂速度，因此本文將免疫算法與貝葉斯優(yōu)化算法相結(jié)合，利用免疫算法的導(dǎo)向性變異，對貝葉斯網(wǎng)絡(luò)產(chǎn)生的解進(jìn)行變異，從而提高種群中個體的適應(yīng)度，減少貝葉斯網(wǎng)絡(luò)的構(gòu)建次數(shù)。仿

3、真結(jié)果表明，與傳統(tǒng)的貝葉斯優(yōu)化算法相比，基于免疫算法的貝葉斯優(yōu)化改進(jìn)算法可以有效地減少計(jì)算量，縮短運(yùn)算時間，并且尋優(yōu)能力也得到了提高。
　　 同時，針對遺傳算法在圖像分割中易于陷入局部最優(yōu)的問題，本文將基于免疫算法的改進(jìn)貝葉斯優(yōu)化算法應(yīng)用于圖像分割，利用其較好的尋優(yōu)能力，搜索到圖像的最佳閾值，達(dá)到較好的圖像分割效果。該算法利用貝葉斯網(wǎng)絡(luò)對像素進(jìn)行編碼，利用貝葉斯網(wǎng)絡(luò)采樣來產(chǎn)生新的像素值，并利用最大類間方差法確定適應(yīng)度函數(shù)，通過搜